误差的分布
几乎没有哪个真实世界的过程能被完美预测。一个理想的情况是误差服从正态分布。这意味着有些实际值会高于您的预测，有些会低于您的预测。也就是说，误差（即实际值与预测值的差）会像在零附近"随机漂浮"。
在本练习中，您将分析一个预先构建的线性模型的结果，该模型用于预测警官的薪资。随后，您将查看误差，并判断它是否近似服从正态分布。预测值存储在列表 preds 中，实际薪资存储在列表 salaries 中。
本练习是课程的一部分
Python 推断基础
练习说明
- 将误差计算为实际薪资减去预测薪资。
- 用直方图绘制这些误差。
- 对误差进行 Anderson–Darling 正态性检验。
- 找出并打印在这些
significance_level下原假设会被拒绝。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Compute the error as actual minus predicted salary
error = ____
# Plot the errors as a histogram
plt.____(____)
plt.show()
# Conduct an Anderson-Darling test using the years of experience
result = ____(____)
# Find where the result is significant
print(result.____[result.____ > result.____])